1、为什么使用Redis

博主认为项目中使用redis的主要考虑因素是性能和并发。当然，redis还具备可以做分布式锁等其他功能，但是如果只是为了分布式锁这些其他功能，完全还有其他中间件(如zookpeer等)代替，并不是非要使用redis。因此，这个问题主要从性能和并发两个角度去答。

回答:如下所示，分为两点

（一）性能

当遇到需要执行时间很长且结果不经常变化的SQL时，我们推荐将结果存储在缓存中。这样，后面的请求就去缓存中读取，使得请求能够迅速响应。

题外话：忽然想聊一下这个迅速响应的标准。其实根据交互效果的不同，这个响应时间没有固定标准。不过曾经有人这么告诉我:"在理想状态下，我们的页面跳转需要在瞬间解决，对于页内操作则需要在刹那间解决。为了让用户体验最佳，耗时超过一秒的操作应提供进度提示并允许随时中止或取消。"

那么瞬间、刹那、一弹指具体是多少时间呢？

根据《摩诃僧祗律》记载

一刹那者为一念，二十念为一瞬，二十瞬为一弹指，二十弹指为一罗预，二十罗预为一须臾，一日一夜有三十须臾。

那么，经过周密的计算，一瞬间为0.36 秒,一刹那有 0.018 秒.一弹指长达 7.2 秒。

（二）并发

如下图所示，在大并发的情况下，所有的请求直接访问数据库，数据库会出现连接异常。在这种情况下，使用Redis缓冲操作是必要的，以便让请求首先访问Redis，而不是直接访问数据库。

2、使用Redis有什么缺点

分析:大家用redis这么久，这个问题是必须要了解的，基本上使用redis都会碰到一些问题，常见的也就几个。

回答:主要是四个问题

(一)缓存和数据库双写一致性问题

(二)缓存雪崩问题

(三)缓存击穿问题

(四)缓存的并发竞争问题

这四个问题，我个人是觉得在项目中，比较常遇见的，具体解决方案，后文给出。

可以参考：《缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题！》

3、单线程的Redis为什么这么快

分析:这个问题其实是对redis内部机制的一个考察。据博主面试经验所述，许多人实际上并不了解Redis的单线程工作模型。所以，这个问题还是应该要复习一下的。

回答:主要是以下三点

(一)纯内存操作

(二)单线程操作，避免了频繁的上下文切换

(三)采用了非阻塞I/O多路复用机制

题外话：我们现在要仔细的说一说I/O多路复用机制，因为这个说法实在是太通俗了，通俗到一般人都不懂是什么意思。博主打一个比方：小曲在S城开了一家快递店，负责同城快送服务。由于资金有限，小曲先雇佣了一批快递员，但后来发现资金不足，只能购买一辆车用于快递送货。

经营方式一

每当客户送来一份快递，小曲就会指派一位快递员盯着，然后由该快递员驾车送快递。慢慢的小曲就发现了这种经营方式存在下述问题

• 几十个快递员基本上时间都花在了抢车上了，大部分快递员都处在闲置状态，谁抢到了车，谁就能去送快递

• 随着快递的增多，快递员也越来越多，小曲发现快递店里越来越挤，没办法雇佣新的快递员了

• 快递员之间的协调很花时间

综合上述缺点，小曲痛定思痛，提出了下面的经营方式

经营方式二

小曲只雇佣一个快递员。小曲会把客户送来的快递按照送达地点标注好，放在同一个地方。最终，那名快递员依次取件，每次取一个，然后驱车送快递，送完后再回来取下一个快递。

对比

上述两种经营方式对比，是不是明显觉得第二种，效率更高，更好呢。在上述比喻中:

• 每个快递员------------------>每个线程

• 每个快递-------------------->每个socket(I/O流)

• 快递的送达地点-------------->socket的不同状态

• 客户送快递请求-------------->来自客户端的请求

• 小曲的经营方式-------------->服务端运行的代码

• 一辆车---------------------->CPU的核数

于是我们有如下结论

1、经营方式一就是传统的并发模型，每个I/O流(快递)都有一个新的线程(快递员)管理。

2、经营方式二就是I/O多路复用。只有单个线程(一个快递员)，通过跟踪每个I/O流的状态(每个快递的送达地点)，来管理多个I/O流。

下面类比到真实的redis线程模型，如图所示

参照上图，简单来说，就是。我们的 Redis 客户端在操作过程中，会创建带有不同事件类型的 socket。在服务端，有一段I/0多路复用程序，将其置入队列之中。然后，文件事件分派器，依次去队列中取，转发到不同的事件处理器中。

需要说明的是，这个I/O多路复用机制，redis还提供了select、epoll、evport、kqueue等多路复用函数库，大家可以自行去了解。

4、Redis的数据类型，以及每种数据类型的使用场景

分析：是不是觉得这个问题很基础，其实我也这么觉得。然而根据面试经验发现，至少百分八十的人答不上这个问题。建议，在项目中用到后，再类比记忆，体会更深，不要硬记。基本上，一个合格的程序员，五种类型都会用到。

回答：一共五种

(一)String

这其实很普通，涉及最基本的获取/设置操作，value可以是字符串或数字。一般做一些复杂的计数功能的缓存。

(二)hash

这里value存放的是结构化的对象，比较方便的就是操作其中的某个字段。博主在做单点登录的时候，就是用这种数据结构存储用户信息，以cookieId作为key，设置30分钟为缓存过期时间，能很好的模拟出类似session的效果。

(三)list

使用List的数据结构，可以做简单的消息队列的功能。除此之外，我们还可以运用lrange命令来实现基于Redis的分页功能，这种方法具有出色的性能和用户体验。

(四)set

因为set堆放的是一堆不重复值的集合。所以可以做全局去重的功能。为什么不用JVM自带的Set进行去重？因为我们的系统一般都是集群部署，使用JVM自带的Set，比较麻烦，难道为了一个做一个全局去重，再起一个公共服务，太麻烦了。

另外，就是利用交集、并集、差集等操作，可以计算共同喜好，全部的喜好，自己独有的喜好等功能。

(五)sorted set

sorted set多了一个权重参数score,集合中的元素能够按score进行排列。可以做排行榜应用，取TOP N操作。另外，在一篇名为《分布式之延时任务方案解析》的文章中，提到了sorted set可用于实现延时任务的方案。最后一个应用就是可以做范围查找。

5、Redis的过期策略以及内存淘汰机制

这个问题的重要性不言而喻，是否使用了Redis就能够看出来。例如，如果你在Redis中只能存储5 GB的数据，但你却写入了10 GB的数据，那么其中的5 GB数据将被删除。怎么删的，这个问题思考过么？还有，你的数据已经设置了过期时间，但是时间到了，内存占用率还是比较高，有思考过原因么?

回答:

redis采用的是定期删除+惰性删除策略。

为什么不用定时删除策略?

定时删除,用一个定时器来负责监视key,过期则自动删除。虽然内存及时释放，但是十分消耗CPU资源。由于在高并发请求下，CPU需要专注于请求处理，而不是键值删除操作，因此我们放弃了采用该策略

定期删除+惰性删除是如何工作的呢?

定期删除，redis默认每个100ms检查，是否有过期的key,有过期key则删除。需要说明的是，redis不是每个100ms将所有的key检查一次，而是随机抽取进行检查(如果每隔100ms,全部key进行检查，redis岂不是卡死)。如果只使用定期删除策略，就会导致许多key在到期时间后没有被删除。

于是，惰性删除派上用场。也就是说在你获取某个key的时候，redis会检查一下，这个key如果设置了过期时间那么是否过期了？如果过期了此时就会删除。

采用定期删除+惰性删除就没其他问题了么?

不是的，如果定期删除没删除key。然后你也没即时去请求key，也就是说惰性删除也没生效。这样，redis的内存会越来越高。那么就应该采用内存淘汰机制。

在redis.conf中有一行配置

# maxmemory-policy volatile-lru

该配置就是配内存淘汰策略的(什么，你没配过？好好反省一下自己)

1）noeviction：当内存不足以容纳新写入数据时，新写入操作会报错。应该没人用吧。

当内存空间不足以存储新的数据时，allkeys-lru算法会从键空间中移除最近最少被使用的键。推荐使用，目前项目在用这种。

3）allkeys-random：当内存不足以容纳新写入数据时，在键空间中，随机移除某个key。应该也没人用吧，你不删最少使用Key,去随机删。

4）volatile-lru：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，移除最近最少使用的key。一般情况下，只有在将redis同时用作缓存和持久化存储时才会使用这种方法。不推荐

5）volatile-random：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，随机移除某个key。依然不推荐

6）volatile-ttl：当内存不足以容纳新写入数据时，在设置了过期时间的键空间中，有更早过期时间的key优先移除。不推荐

ps：如果没有设置 expire 的key, 不满足先决条件(prerequisites); 那么 volatile-lru, volatile-random 和 volatile-ttl 策略的行为, 和 noeviction(不删除) 基本上一致。

6、Redis和数据库双写一致性问题

在分布式系统中，一致性问题是常见问题。此问题可进一步区分为最终一致性和强一致性。数据库和缓存双写，就必然会存在不一致的问题。答这个问题，先明白一个前提。就是如果对数据有强一致性要求，不能放缓存。我们所做的一切，只能保证最终一致性。我们所提出的方案，实际上只能减少不一致事件的发生概率，无法完全消除。因此，有强一致性要求的数据，不能放缓存。

在这里简单地介绍一下《分布式之数据库和缓存双写一致性方案解析》一文所进行的详细分析。首先，采取正确更新策略，先更新数据库，再删缓存。提供一个备用措施，例如使用消息队列，以应对可能出现删除缓存失败的情况。

7、如何应对缓存穿透和缓存雪崩问题

中小型传统软件企业很少遇到这两个问题，说实话。如果有大并发的项目，流量有几百万左右。这两个问题一定要深刻考虑。

回答:如下所示

缓存穿透，即黑客故意去请求缓存中不存在的数据，导致所有的请求都怼到数据库上，从而数据库连接异常。

解决方案:

当缓存失效时，使用互斥锁，先获取锁，一旦获取到锁，然后再去请求数据库。没得到锁，则休眠一段时间重试

(二)采用异步更新策略，无论key是否取到值，都直接返回。在value值中保存一个缓存失效时间，一旦缓存过期，就会异步启动一个线程来读取数据库并更新缓存。需要做缓存预热(项目启动前，先加载缓存)操作。

提供一种拦截机制，可以迅速判断请求是否有效。例如，使用布隆过滤器来内部维护一系列合法有效的 key。迅速判断出，请求所携带的Key是否合法有效。如果不合法，则直接返回。

缓存雪崩，即缓存同一时间大面积的失效，这个时候又来了一波请求，结果请求都怼到数据库上，从而导致数据库连接异常。

解决方案:

(一)给缓存的失效时间，加上一个随机值，避免集体失效。

(二)使用互斥锁，但是该方案吞吐量明显下降了。

(三)双缓存。我们有两个缓存，缓存A和缓存B。缓存A的失效时间为20分钟，缓存B不设失效时间。自己做缓存预热操作。然后细分以下几个小点

• I 从缓存A读数据库，有则直接返回

• II A没有数据，直接从B读数据，直接返回，并且异步启动一个更新线程。

• III 更新线程同时更新缓存A和缓存B。

8、如何解决Redis的并发竞争key问题

分析:这个问题大致就是，同时有多个子系统去set一个key。这个时候要注意什么呢？大家思考过么。博主在事先查阅了百度搜索结果后发现，几乎所有答案都建议使用redis事务机制。博主不推荐使用redis的事务机制。因为我们的生产环境，基本都是redis集群环境，做了数据分片操作。当单个任务涉及到多个key操作时，这些key不一定都存储在同一台Redis服务器上。因此，redis的事务机制，十分鸡肋。

回答:如下所示

(1)如果对这个key操作，不要求顺序

这种情况下，准备一个分布式锁，大家去抢锁，抢到锁就做set操作即可，比较简单。

(2)如果对这个key操作，要求顺序

假设有一个key1,系统A需要将key1设置为valueA,系统B需要将key1设置为valueB,系统C需要将key1设置为valueC.

期望按照key1的value值按照 valueA-->valueB-->valueC的顺序变化。这种时候我们在数据写入数据库的时候，需要保存一个时间戳。假设时间戳如下

系统A key 1 {valueA 3:00}

系统B key 1 {valueB 3:05}

系统C key 1 {valueC 3:10}

设想一下，如果系统B抢先获得锁，它会将key1的值设置为{valueB 3:05}。当系统A获取到锁时，如果发现自己存储的valueA的时间戳早于缓存中存储的时间戳，那么系统A将不进行set操作。以此类推。

其他方法，比如利用队列，将set方法变成串行访问也可以。总之，灵活变通。

【文章转自bgp服务器 http://www.558idc.com/yz.html提供，感恩】